Project Proposal

도메인

자율 주행을 위한, 교통 표지판 분류.

Data Set

Kaggle의 Traffic Sign Dataset - Classification 데이터셋 소싱

• 57 클래스 학습
• 클래스당 120개의 이미지
• 2000개의 테스트 데이터

ClassId	Name	ClassId	Name	ClassId	Name
0	Speed limit (5km/h)	20	Go straight or right	40	Unknown1
1	Speed limit (15km/h)	21	Go straight	41	Unknown2
2	Speed limit (30km/h)	22	Go Left	42	Unknown3
3	Speed limit (40km/h)	23	Go Left or right	43	Go right or straight
4	Speed limit (50km/h)	24	Go Right	44	Go left or straight
5	Speed limit (60km/h)	25	keep Left	45	Unknown4
6	Speed limit (70km/h)	26	keep Right	46	ZigZag Curve
7	speed limit (80km/h)	27	Roundabout mandatory	47	Train Crossing
8	Dont Go straight or left	28	watch out for cars	48	Under Construction
9	Dont Go straight or Right	29	Horn	49	Unknown5
10	Dont Go straight	30	Bicycles crossing	50	Fences
11	Dont Go Left	31	Uturn	51	Heavy Vehicle Accidents
12	Dont Go Left or Right	32	Road Divider	52	Unknown6
13	Dont Go Right	33	Traffic signals	53	Give Way
14	Dont overtake from Left	34	Danger Ahead	54	No stopping
15	No Uturn	35	Zebra Crossing	55	No entry
16	No Car	36	Bicycles crossing	56	Unknown7
17	No horn	37	Children crossing	57	Unknown8
18	Speed limit (40km/h)	38	Dangerous curve to the left
19	Speed limit (50km/h)	39	Dangerous curve to the right

Work Flow and Model for training.

1. 개발 환경: Colab
2. 사용 모델: CNN의 ResNet50
3. 평가 지표:

• Confusion Matrix의 F1-Score 측정
• K겹 교차 검증으로, 모델의 학습 평가.
• Grad CAM으로 모델이 보는, 입력데이터의 특징 시각화.

Goal

시리즈에서 포스팅한 내용(Machien Learning Theory 및 Deep Learning)을 바탕으로, 도메인 설정 $\rightarrow$ 모델 설계 $\rightarrow$ 모델 평가 $\rightarrow$ 실제 응용 까지 실습

추가로, 성능 평가 및 모델 활용 시 Confusion Matrix와 GradCAM을 활용한다.

다만 개발 환경이, Colab에서 사용되기때문에 학습 시간과 준수한 성능의 GPU 활용이 요구 될수 있기때문에 학습데이터 및 분류 클래스가 줄어들 수 있다.